基于密集卷积网络(DenseNets)的遥感图像分类研究
Classification of remote sensing images based on densely connected convolutional networks作者机构:上海理工大学光电信息与计算机工程学院上海200093 苏州大学机电工程学院
出 版 物:《计算机时代》 (Computer Era)
年 卷 期:2018年第10期
页 面:60-63,67页
学科分类:0810[工学-信息与通信工程] 08[工学] 081002[工学-信号与信息处理]
摘 要:遥感图像空间分辨率低,如何更好地提取图像特征成为提升分类性能的关键。文章提出了一种基于密集卷积网络(DenseNets)的遥感图像分类方法,针对遥感图像样本少,采用迁移学习方法,在ImageNet上进行预训练,获得初始模型,利用预训练模型在(UCM_LandUse_21)上训练,更新训练策略获得最佳模型。结果表明,该方法比BOVW+SCK和SVM_LDA方法在分类精度上提高10%,比传统CNN提升了约7%,比MS_DCNN提升5%。因此,该方法对于遥感图像场景分类具有一定的价值。